【基本情報対策】AI・機械学習の基礎

Transcript

1. 2026年10月 AI・機械学習の基礎 基本情報技術者試験 対策 #3 赤神青空
2. ▪0.1 は2進数で割り切れず、0011 前回のクイズの答えは「C」 がくり返す 前回のクイズ 10進数の 0.1 を2進数で 表すと、どうなる？ 2を掛けて整数部を取り出していくと、 0.0 0011 0011 0011 … と続く。 有限の桁では、ぴったり表せない 答えは C 今ココ おさらい . A 10進数のまま書いたもの . B 2進数の 0.0001 は 0.0625 C 0.000110011…（どこまでも続く） 0011 がくり返し、割り切れない . D 2進数の 0.01 は 0.25 2/15
3. ▪AI・機械学習の基礎と、基本情報で問われる範囲 今回の話 ① AIと機械学習 関係と、3つの学び⽅ ② ディープラーニング 層‧重み‧学習と推論 ③ ⽣成AI ⼤規模⾔語モデルと注意点 今回いちばん持ち帰ってほしいこと 機械学習は、データから規則を学ぶ 学び⽅は、教師あり‧教師なし‧強化学習の3つ 今ココ はじめに 3/15
4. ▪外側ほど広い。機械学習はAIの一部 AI・機械学習・ディープラーニング AI（⼈⼯知能） 機械学習 ディープラーニング AI（⼈⼯知能） ⼈のような知的な処理を、コンピュータで⾏う技術 ⼈が規則を書くエキスパートシステムも含む 機械学習 データから規則（パターン）を学ぶ AIを実現する⽅法の⼀つ ディープラーニング（深層学習） 層を重ねたニューラルネットワークで学ぶ 画像‧⾳声の認識や、⽣成AIのもとになっている 今ココ AIと機械学習 4/15
5. ▪人が規則を書くのではなく、データから見つける 規則を、データから学ぶ これまでのプログラム 機械学習 規則 （⼈が書く） データ ⼤量のデータ プログラム 学習 答え 規則（モデル） 例：「当選」を含むなら迷惑メール、と⼈が書く 例：⼤量のメールから、迷惑メールの特徴を⾒つける 今ココ AIと機械学習 5/15
6. ▪教師あり学習・教師なし学習・強化学習 機械学習の3つの学び方 教師あり学習 教師なし学習 正解のラベルが付いた データから学ぶ ラベルの無いデータから、 まとまりや特徴を⾒つける 迷惑 迷惑 例：迷惑メールの判定 今ココ AIと機械学習 試した⾏動の報酬から、 よりよい⾏動を学ぶ ⾏動 環境 エージェント 通常 分類‧回帰 強化学習 報酬 クラスタリング‧次元削減 例：購買履歴で顧客を分ける 報酬が多くなる⾏動を探す 例：ゲームやロボットの制御 6/15
7. ▪カテゴリを当てるか、数値を当てるか 教師あり学習は、分類と回帰 分類：カテゴリを当てる 迷惑 通常 「当選」などの語の数 回帰：数値を当てる 家賃 ? 境界の線で、新しいメール（?）を迷惑と判定 今ココ AIと機械学習 リンクの数 部屋の広さ 点に合う線を引き、広さから家賃を予測する 7/15
8. ▪入力層・中間層・出力層 ニューラルネットワークは層でできている ⼊⼒ 出⼒ 画素の値など 猫か⽝か など ⼊⼒層 今ココ ディープラーニング 中間層 中間層 中間層 出⼒層 8/15
9. ▪入力に重みを掛けて足し、ずれから重みを直す 学習とは、重みを直すこと 1つのノードの計算 学習：重みを直す ⼊⼒ . データを⼊れて、出⼒を出す 重み 0.8 合計 . 活性化関数 重み −0.4 1.0×0.8 ＋ 0.5×（−0.4）＝ 0.6 実際はバイアスという数も⾜し、活性化関数に通して次の層へ 今ココ ディープラーニング 正解とのずれ（誤差）を測る くり返す ずれが⼩さくなるよう重みを直す （向きと量を、誤差逆伝播法で求める） 直し終えた重みの集まりが「学習済みモデル」 9/15
10. ▪作るときと使うときで、手間と向いている場所が違う 学習と推論 学習（モデルを作る） ⼤量のデータ 推論（モデルを使う） 学習 学習済み モデル 新しいデータ 学習済み モデル 答え （予測） ⼿間 ⼤量のデータと、⻑い計算 ⼿間 1回ごとの計算は、学習より軽い 場所 GPUを積んだクラウドなど 場所 サーバー。⼩さいモデルはスマホでも 回数 作るとき‧作り直すとき 回数 使うたびに、何度も 今ココ ディープラーニング 10/15
11. ▪学習データに合いすぎて、新しいデータで外れる 過学習 データを3つに分ける 学習データ モデルを作る（重みを直す） 学習を続けると 誤差 学習データ 検証データ 過学習 検証データの誤差が上がる 検証データ 途中で、合いすぎていないか⾒る テストデータ 最後に、性能を測る 今ココ ディープラーニング 学習の回数 11/15
12. ▪LLMは、次に来る語を予測して文章を作る 生成AIと大規模言語モデル 選ぶ（分類など） メール 作る（⽣成AI） 迷惑か通常かを答える 指⽰⽂（プロンプト） 新しい⽂章‧画像を作る ⼤規模⾔語モデル（LLM）：次に来る語を予測する 今⽇の天気は 晴れ くもり ⾬ 候補の語ごとの確率から 次の語を選び、つなげていく （くり返して、⽂章になる） ⼤量の⽂章から学んだモデル。語は実際には「トークン」という単位 今ココ 生成AI 12/15
13. ▪もっともらしい誤りがある。答えは確かめて使う ハルシネーション 例：存在しない関数を答える 質問 実務での確かめ⽅ このライブラリで、⽇付を整形する関数は？ formatDateStrict() を使います。 AI 実際には、その関数は無い 事実と違う内容を、もっともらしく⽣成する 続きを予測しているだけで、事実を確かめてはいない 今ココ 生成AI 公式ドキュメント‧⼀次情報と 突き合わせる コードは動かして、 テストを通す 数値‧⽇付は、 ⾃分で計算し直す 13/15
14. ▪機械学習は、データから規則を学ぶ まとめ 機械学習は、データから規則を学ぶ 機械学習 ディープラーニングは、層を重ねたニューラルネットワーク 深層学習 ⽣成AIの答えは、確かめて使う ⽣成AI 学び⽅は、教師あり（ラベル）‧教師なし（構造を⾒つける）‧強化学習（報酬） 学習で重みを直し、推論で使う。学習データに合いすぎると過学習 LLMは、もっともらしい続きを⽣成する。事実と違うこともある 今ココ まとめ 14/15
15. ▪動画に付けたクイズから回答できます。答え合わせは次回の冒頭で 今回のクイズ 機械学習の3つの学び方のうち、正解のラベルが付いたデータから学ぶのは？ A 教師あり学習 今ココ まとめ B 教師なし学習 C 強化学習 D 転移学習 15/15